【技术实现步骤摘要】
本申请涉及人工智能领域，具体涉及一种基于人工智能的生化反应曲线异常检测方法及系统。
技术介绍
1、生化分析仪是临床检验中广泛应用的重要仪器,其检测原理主要基于比色法或比浊法。目前,临床实验室主要依赖室内质控来判断试剂和仪器的状态,仅在质控失控或怀疑存在干扰时才会查看反应曲线。然而,反应曲线蕴含了丰富的信息,不仅可以用于判断仪器状态和结果异常,还可以用于监测反应干扰、计算高浓度样本、分析试剂质量等。
2、传统的生化反应曲线异常检测方法主要依赖于人工经验判断或简单的统计方法，这些方法存在以下缺陷：
3、人工判断效率低下，无法应对大量数据的实时分析需求，且简单的统计方法难以捕捉复杂的非线性模式，容易造成漏检或误报，难以处理多维度、高噪声的生化反应数据。
技术实现思路
1、鉴于此,本申请提供一种基于人工智能的生化反应曲线异常检测方法及系统，解决了现有技术中生化反应曲线异常检测效率低和准确性差的问题。
2、本申请实施例提供了一种基于人工智能的生化反应曲线异常检测方法，包括：获取生化反应曲线数据；对所述生化反应曲线数据进行预处理，得到预处理后的数据；利用人工智能模型对所述预处理后的数据进行分析，识别异常反应曲线；基于所述人工智能模型的分析结果，触发相应的报警机制。
3、所述获取生化反应曲线数据，包括：从生化分析仪实时采集反应曲线数据；从历史数据库中提取已存储的反应曲线数据。
4、所述对生化反应曲线数据进行预处理，包括：去除噪声和异常值
5、在所述利用人工智能模型对预处理后的数据进行分析之前，所述方法还包括：提取时间序列特征，包括斜率、曲率；提取频域特征，包括主频率、能量分布；计算相关生化指标，包括反应速率、底物浓度。
6、所述人工智能模型为脉冲神经网络snn，所述方法还包括：构建多层snn网络结构，包括输入层、隐藏层和输出层；利用训练数据集对所述snn进行训练；在所述snn上进行压缩隐放；更新所述snn的参数。
7、所述人工智能模型为长短期记忆网络lstm，所述方法还包括：构建lstm网络结构，包括输入层、lstm层和输出层；利用训练数据集对所述lstm进行训练；使用标准蒙特卡洛方法对所述lstm进行第一次参数调整；使用准蒙特卡洛方法对所述lstm进行第二次参数调整。
8、所述人工智能模型为一维卷积神经网络1dcnn，所述方法还包括：构建1dcnn网络结构，包括卷积层、池化层和全连接层；使用混合元启发式算法优化所述1dcnn的超参数；使用训练数据集对所述1dcnn进行训练，并使用机器学习模型辅助优化所述1dcnn的训练过程。
9、所述人工智能模型为具有随机权重和学习偏差的神经网络，所述方法还包括：构建随机权重神经网络结构，包括输入层、随机权重隐藏层和可学习偏差输出层；设计和优化学习偏差，包括初始化偏差值和更新策略；使用改进的协方差矩阵自适应演化策略cmaes多模态优化算法优化网络参数。
10、所述基于人工智能模型的分析结果触发相应的报警机制包括：设置多个报警等级，对应不同程度的异常情况；根据异常程度触发相应等级的报警；通过多种方式发出报警信号，包括系统提示、短信通知、邮件警报。
11、本申请实施例还提供一种计算机装置，所述计算机装置包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述基于人工智能的生化反应曲线异常检测的方法。
12、本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行上述基于人工智能的生化反应曲线异常检测的方法。
13、本申请实施例还提供一种计算机程序产品，包括计算机指令，其特征在于，该计算机指令被处理器执行时实现上述基于人工智能的生化反应曲线异常检测的方法的步骤。
14、本申请具备以下技术效果：
15、通过引入人工智能模型，实现了对生化反应曲线的自动化、智能化异常检测，大幅提高了检测效率和准确性；
16、采用多种先进的人工智能模型，如snn、lstm、1dcnn和随机权重神经网络，能够有效捕捉复杂的非线性模式，提高异常检测的准确性；
17、通过数据预处理和特征提取，增强了模型的鲁棒性和泛化能力；
18、引入多种参数优化和模型压缩技术，提高了模型的性能和效率；
19、设计了多级报警机制，实现了对异常情况的精细化管理和及时响应。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的生化反应曲线异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述获取生化反应曲线数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对生化反应曲线数据进行预处理，包括：
4.根据权利要求1所述的方法，其特征在于，在所述利用人工智能模型对预处理后的数据进行分析之前，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述人工智能模型为脉冲神经网络SNN，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述人工智能模型为长短期记忆网络LSTM，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述人工智能模型为一维卷积神经网络1DCNN，所述方法还包括：
8.根据权利要求1所述的方法，其特征在于，所述人工智能模型为具有随机权重和学习偏差的神经网络，所述方法还包括：
9.根据权利要求1所述的方法，其特征在于，所述基于人工智能模型的分析结果触发相应的报警机制包括：
10.一种基于人工智能
...【技术特征摘要】
1.一种基于人工智能的生化反应曲线异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述获取生化反应曲线数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对生化反应曲线数据进行预处理，包括：
4.根据权利要求1所述的方法，其特征在于，在所述利用人工智能模型对预处理后的数据进行分析之前，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述人工智能模型为脉冲神经网络snn，所述方法还包括：
6.根据权利要...
【专利技术属性】
技术研发人员：赵学军，尚鲁俊，张海旺，蒋合领，
申请(专利权)人：贵州省人民医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。